Model-free learning of probability flows: Elucidating the nonequilibrium dynamics of flocking

要約

アクティブ システムは、個々のコンポーネントが自律的にエネルギーを散逸する非平衡ダイナミクスの一種で構成されます。
活動が果たす役割を理解するための取り組みは、時間反転対称性の破れを定量化するエントロピー生成率 (EPR) の計算に集中してきました。
このプログラムの根本的な問題は、位相空間の高次元性により、従来の計算手法では EPR を推定することが不可能になることです。
ここでは、確率システムの軌跡から確率電流を直接推定する新しい深層学習アプローチでこの課題を克服します。
確率電流と慣性系の EPR の 2 つの局所定義の間の新しい物理的関係を導き出し、それをフロックの標準モデルにおける平衡からの逸脱を特徴付けるために適用します。
私たちの結果は、整列と変動の間の相互作用が動的に秩序を生み出したり消滅させたりするため、群れの空間境界面でエントロピーが生成および消費されることを強調しています。
特定のシステムがいつ、どこで平衡から外れるかを直接視覚化できるようにすることで、私たちの方法論により、広範な種類の複雑な非平衡ダイナミクスの理解が進むことが期待されます。

要約(オリジナル)

Active systems comprise a class of nonequilibrium dynamics in which individual components autonomously dissipate energy. Efforts towards understanding the role played by activity have centered on computation of the entropy production rate (EPR), which quantifies the breakdown of time reversal symmetry. A fundamental difficulty in this program is that high dimensionality of the phase space renders traditional computational techniques infeasible for estimating the EPR. Here, we overcome this challenge with a novel deep learning approach that estimates probability currents directly from stochastic system trajectories. We derive a new physical connection between the probability current and two local definitions of the EPR for inertial systems, which we apply to characterize the departure from equilibrium in a canonical model of flocking. Our results highlight that entropy is produced and consumed on the spatial interface of a flock as the interplay between alignment and fluctuation dynamically creates and annihilates order. By enabling the direct visualization of when and where a given system is out of equilibrium, we anticipate that our methodology will advance the understanding of a broad class of complex nonequilibrium dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google